计量经济学虚拟变量与CHOW检验

1、自相关原因是什么？如何检验自相关？如何消除自相关？上章回顾第三章 虚拟变量与邹检验 虚拟变量； 虚拟变量概念 引入方式 邹检验 概念 检验方法 可直接度量的变量 不可直接度量的变量 建立和应用计量经济学模型时，经常要考虑属性因素的影响。例如，职业对个人收入的影响、战争与和平对经济发展的影响、繁荣与萧条对就业的影响、文化程度对工资的影响、自然灾害对农业生产的影响、季节对销售量的影响。所以需要考虑是否在模型中引入属性因素。虚拟变量经济变量一、虚拟变量的定义 根据属性类型，构造只取“0”或“1”的人工变量，称为虚拟变量(Dummy Variable)。通常记为 D。 1 男 0 女 含有虚拟变量的模

2、型称为虚拟变量模型。二、虚拟变量的引入 虚拟变量在模型中可以作解释变量，也可以作被解释变量。一般是作解释变量。虚拟变量的引入有两种基本方式：加法方式和乘法方式。如果虚拟变量只独立线性地影响了因变量，则用加法；如果虚拟变量改变了某个自变量与因变量的关系，则用乘法。D = 1 反常情况 0 正常情况Y = b0 + b1 X + b2 D + u反常情况:Y = (b0 + b2 ) + b1 X + u正常情况:Y = b0 + b1 X + u1、加法方式、加法方式D =XYb0b2增加的一个截距可认为是虚拟变量带来的影响。正常反常iiiiXDXYE10)0,|( 企业男职工的平均薪金为：企业

3、男职工的平均薪金为：iiiiXDXYE120)() 1,|( 假设职工工资主要与教龄相关，但性别会对工资产生影响。检验男职工是否比女职工工资更高，在该模型中， 企业女职工的平均薪金为：企业女职工的平均薪金为：几何意义：几何意义： 假定20，则两个函数有相同的斜率，但有不同的截距。意即，男女职工平均薪金对教龄的变化率是一样的，但两者的平均薪金水平相差2。 可以通过传统的回归检验，对2的统计显著性进行检验，以判断企业男女职工的平均薪金水平是否有显著差异。 年薪 Y 男职工 女职工 工龄 X02 1 反常情况 0 正常情况Y=b0+b1 X+b11 DX+ u反常情况:Y = b0 + (b1+ b

4、11)X + u正常情况:Y = b0 + b1 X + u2、乘法方式、乘法方式D =XYb0斜率发生了变化，可认为是虚拟变量带来的影响。正常反常 例例：根据消费理论，消费水平C主要取决于收入水平Y，但在一个较长的时期，人们的消费倾向会发生变化，尤其是在自然灾害、战争等反常年份，消费倾向往往出现变化。这种消费倾向的变化可通过在收入的系数中引入虚拟变量来考察。tttttXDXC210 这里，虚拟变量D以与X相乘的方式引入了模型中，从而可用来考察消费倾向的变化。 假定E(i)= 0，上述模型所表示的函数可化为： 正常年份：ttttXDXCE)() 1,|(210 反常年份：ttttXDXCE10

5、)0,|(如，设01tD反常年份正常年份消费模型可建立如下：市场经济制度假说 假说：市场经济（经济制度）让农民对价格更敏感。 注意:调整后的公式如下： Y=b0+b1Pt+b2Xt+a1(PtDt) xt:其他影响供给的变量。 问： 如果b1不显著，但 a1显著，说明了什么？本题假说是否正确？ 如果上述参数显著性正好相反呢？ 1 反常情况 0 正常情况Y=b0+b01D+b1 Pt+ b11D Pt反常情况:Y=(b0+b01)+(b1+b11) X正常情况:Y = b0 + b1 X3、加法乘法并用：市场经济增加供给，价格更、加法乘法并用：市场经济增加供给，价格更敏感敏感D =XYb0b01

6、截距和斜率均发生变化正常反常 1 t t* 0 t t*Y=b0+ b1X+ b2 (X X *)D反常情况:Y=b0 b2 X *+ (b1+b2) X正常情况:Y = b0 + b1 X4、临界指标的虚拟变量的引入（转折点引入）、临界指标的虚拟变量的引入（转折点引入）D =XYb0两条不同时期的直线可在转折期连起来成为一条折线在经济发展的转折时期以 t* =1979 为转折期以转折期的自变量 X 为临界值X*三、模型中引入虚拟变量的作用1、分离异常因素的影响 2、检验不同的属性类别因素对因变量的影响3、提高模型的精度四、虚拟变量设置的原则 在模型中引入多个虚拟变量时，虚拟变量的个数应按下列

7、原则确定：如果有 m 种互斥的属性类型，在模型中引入 m-1 个虚拟变量。 如研究季节对销售量的影响C = b0+ b1 X + a1 D1 + a2 D2 + a3 D3 + u 1 春季 0 其它季节 当心 1 夏季 虚拟变量陷阱 0 其它季节 1 秋季 0 其它季节D1 =D2 =D3 =季节D1D2D3春季100夏季010秋季001冬季000在 Eviews 中直接输入变量data D1 D2 D3五、Chow检验 在现实生活中，有时会由于某些重大的政策和制度变化或偶发事件，导致经济运行机制或行为改变。 不同的经济体制 不同的生产条件 对于计量经济学研究工作来说，这种情况表现为模型的参

8、数发生改变。 如果在样本资料所涉及的期间内发生过这样的情况，那么就有必要检验模型参数的稳定性。 Chow检验考虑样本是否包括了不同质的组，即检验不同组间的参数是否相同。Chow检验 在EVIWES中，Chow检验有两种不同的方式： 转折点检验(breakpoint test)： 预测检验(forecast test) Chow检验 Chow转折点检验基于这样一种思路： 如果确实存在结构变化，那么分别对结构变化发生前和发生后的子样本数据做回归时得到的残差平方和要小于利用全部样本数据估计模型得到的残差平方和。 这是由于前者允许两个子模型有不同的参数，而后者则令两个时期的参数相同，因而前者通常可以得

9、到对样本数据的较好拟合。 我们将前者称作是无参数限制的模型，后者是有参数限制的模型。 通过比较加上参数约束后是否使残差平方和显著增大，我们可以检验模型是否存在结构变化。Chow检验 考虑分两个组的情况，检验过程分以下步骤： 依据对转折发生时间的了解，将全部样本分为两个部分； 分别用两个组的数据做回归（即参数未受限制的情况） ，得到残差平方和SSR1和SSR2（注意有RSSur=RSS1+RSS2）； 用全部数据做回归（即参数受限制的情况），得到残差平方和SSR； 计算F统计值 检验其显著性。 用全部数据做回归等同于加上k个约束条件，即两个方程的所有参数都相同； 用两组数据分别做回归则得到两套不

10、同的截距和斜率系数，因而相应的自由度为T-2k，T为样本总量。12122SSRSSRSSRTKFSSRSSRK注：邹检验的自由度 SSRR：T-K-1，在大样本条件下1可忽略，即T-K； SSR1+SSR1：受约束增加一倍，即2K，其自由度为T-2K； SSRR-（SSR1+SSR1）自由度：T-K-（T-2K）=k，也可以直接理解为非转折条件下仅有K个约束;Chow预测检验 Chow转折点检验方法存在一个问题，若某个子样本包括的观察值太少，那么可能无法用其估计子模型。此时可以考虑采用Chow预测检验。 Chow预测检验同样需要将全部样本分为两个部分，检验的步骤为： 利用全部样本估计模型，得到

11、RSSr； 利用第一个子样本（假定容量为T1）估计模型，得到RSSu ； 用估计的模型预测第二个子样本（假定容量为T2）的因变量； 计算F统计量： 若预测与实际情况有很大偏差， RSSr会显著大于RSSu ，这意味着两个子样本之间可能出现结构变化。21ruuRSSRSSTFRSSTk自由度： SSRR=T1+T2-K-1； SSRU=T1-K-1。 SSRR-SSRU=（T1+T2-K-1）-（T1-K-1）=T2案例1：地理区位影响 地理区位即影响基础设施又影响劳动力转移所以是比较重要的影响因素，山区相对于平原地区生产潜力更大；丘陵地区相对于平原地区潜力更大。数据与虚拟变量设置 数据：共89

12、4个农户，分布区域包括： 平原； 丘陵； 山区。因变量：粮食生产潜力VariableCoefficientStd. Errort-StatisticProb. C 1520.291257.61995.9012950.0000AGE-9.5282554.416825-2.1572630.0313EDU-138.920716.44906-8.4455090.0000HILL491.9524124.42523.9538010.0001MOU135.027985.848771.5728580.1162ROAD-180.0771149.4807-1.2046850.2287LAND827.966970.

13、3788011.764440.0000IRRI-597.7996118.0740-5.0629230.0000RGIN-0.9441830.103780-9.0978960.0000DISS7.6650672.2278203.4406130.0006案例2：CHOW检验 数据：安徽省粮食种植面积； 目的：预测十二五我省粮食种植面积；散点图：3004005006007001980 1985 1990 1995 2000 2005GFIELDCHOW判断VIEW-STABILITY TEST-CHOW BREAK POINT TEST-填入断点时间-OK如果F值对应的概率比较小，说明受约束的残差平方和远远大于未受约束的残差平方和，这表明存在转折点。如何建模？ 分断建立回归模型，可以提高预测精度； 还可以引入虚拟变量：加法与乘法